“移动互联网+人工智能”实践教学考核系统的研究与实现

何毅 税洪伟

摘要：本文利用移动互联网、大数据和人工智能技术实现了实践课程教学的智能化考核系统。系统通过建立神经网络模型进行深度学习，使得实践课程的教学和测评过程更加智能化、科学化、精准化和高效化，优化了教师对实践教学的组织、管理、监督和评价的过程;同时能够实时实地反映每位学生的学习状态、实践进度，并将学习效果及时推送给学生本人，提高了实践课程的教学质量。

关键词：实践教学;深度学习;人工智能;移动互联网;考核系统

中图分类号：G642 文献标识码：A 文章编号：1007-9416（2019）10-0186-01

0 引言

目前，以移动互联网、大数据和人工智能为核心技术的“互联网+教育”已成为我国教育信息化建设的发展趋势，引起了智能化教学和个性化学习人才培养模式新的变革。实践教学是高等教育教学的重要组成部分，实践教学的水平直接影响着学生对所学知识掌握的熟练程度和深入程度，从而影响学生的职业竞争力。目前高校对于实践教学的考核还停留在偏重终结化的考核方式，对教学过程缺乏有效的过程化管理，缺乏信息化、智能化的教学平台支持，学生只管课程结束一交任务了事，而教师只管布置任务并最终给个分数，整个实践教学过程没有过程性的实时监控评测，导致教学效果不好，学生的实践能力没有得到真正的提高，同时教师的教学水平也停滞不前，影响了整个实践教学质量的有效提高。

本文采用“移动互联网+人工智能”技术研发了实践教学考核系统，通过对大数据挖掘、分析和深度学习等技术建立了智能化、科学化的形成性考核平台，完善了实践教学的评价体系，真正精准地检验出学生的学习效果和操作的能力，并通过学习诊断评估教学效果，促进了学生的个性化成长，实现了教学质量的提升。

1 系统总体设计

智能考核系统和智能移动终端通过网络和移动信号塔访问校园服务器，其中客户端使用Apache Http协议进行网络通信，Web服务器采用Servlet响应客户请求，使用JDBC访问后台数据库进行数据的存储管理。

系统主要功能如下：（1）实践教学进度智能化管理与监督：包括实践项目布置、小组分工、项目驱动教学过程管理、实践项目开发过程监督、实践项目开发质量阶段性评价、实践进度检测、实践资料文件提交审核、实践课程终结验收评价。（2）实践项目智能化评分：包括对实践操作过程管理和监督的阶段评分、结合教学大纲考核计算公式智能化给出每个学生的实践课程评分。（3）学生个性化实践信息智能推送：包括课前课后自测、线上答疑，及时推送学生实践课程学习情况、进度及评分，在整个班级实践项目开发情况的排名和状态，学习情况提醒和预警信息。（4）实践教学效果可视化展示：以图、表、曲线和三维立体模型可视化展现教学质量分析结果，帮助学生和教师更清楚更直观地了解教学效果。（5）教学数据智能化分析：包括智能化出题和阅卷，对项目代码和报告进行自动查重检测。（6）教师课程教学效果评价：包括对学生的学习效果给出及时的评价，对教师课程教学效果给出即时的反馈，并提供智能化分析曲线。

2 人工智能算法应用

2.1 实践操作智能评测算法

本系统建立一种轻量非对齐卷积神经网络模型，通过大数据分析和深度学习实现实践操作的智能化评测。将一个实践操作过程分为若干个步骤，每一个步骤的正确实践操作结果效果图为一类，一类中还包含若干张各视角下的正确实践操作效果图。学生实际操作过程中系统会在每一步的指定完成时间点截图拍照，传给网络模型，通过模型的分析给出该效果图归于每一类的概率，即系统会根据最高概率值评测出该学生本步骤的操作情况。例如系统在第三步截止时间点拍照的图片，经过模型的分析判别，得出图片归属的最高概率类为第二类，即第二步效果图，则可评测该学生实践操作进度较慢，反之如果得出该图片归属的最高概率类为第四类，即第四步效果图，则可判定该学生实践操作熟练，进度较快。当然构建类别的时候将有一类为错误类，为判断学生操作的准确情况提供依据。系统会根据学生完成操作的进度和精准情况，最终根据教学中的权重公式给出最终实践课程的分值。

2.2 试卷抽题算法

课前预习和课后自测中如何智能化组卷、阅卷。

2.3 查重检测算法

包括实验报告格式是否符合教学要求，实验报告内容是否符合教学要求，是否存在实验报告内容重复率较高现象等。另外针对计算机专业的学生如何对项目代码进行自动分析评价和查重检测。

2.4 真实情景算法

針对实践教学的操作过程还应用了人工智能技术中的虚拟现实VR和增强现实AR技术，增加了实践教学的真实情景操作体验效果。

3 结语

本文研究并开发了基于移动互联网的实践教学智能化考核系统，该系统动态跟踪实践教学过程，智能化进行学习的测评和评估，利用大数据与人工智能进行学习数据的统计和分析，为教学评价提供客观的评价依据，更全面地分析学生学习行为及学习结果，为后期精准教学分析提供科学的数据依据，提高了实践课程的教学质量。同时帮助学生及时发现自己学习的知识薄弱点，为实现个性化学习提供了精确的数据支持。

参考文献

[1] 郝祥军，王帆，祁晨诗.教育人工智能的发展态势与未来发展机制[J].现代教育技术，2019，29（02）：13-19.

[2] 张志祯，张玲玲，李芒.人工智能教育应用的应然分析：教学自动化的必然与可能[J].中国远程教育，2019，528（01）：29-39+96.

[3] 张敬宗，程海丽，姜德民.移动互联网背景下测量学实践教学改革的研究[J].北京测绘，2019，33（05）：128-130.

[4] 张瑾华.智能化网络试题库系统的研究与实现解析[J].现代经济信息，2019（04）：457.